Ваша кодовая база, поняла.

[! СОВЕТ] Оставьте своим программистам незабываемую память о проекте.

Познакомьтесь с CodeGraph Agent Memory, наш родственный проект, который строится на CodeGraph с постоянной архитектурной памятью решения, выводы, неудачные подходы и повторно используемые процедуры. Включить память извлечение, чтобы применить эти знания в рабочие процессы агентов вместе с текущим кодом доказательства на разных сессиях.

Изучите руководство по памяти агента →

CodeGraph преобразует всю вашу кодовую базу в семантически поисковый граф знаний, о котором агенты ИИ могут реально рассуждать — а не просто просматривать.

Готовы начать? Перейдите к Руководству по установке для пошаговых инструкций по настройке.

Уже настроили? Смотрите Руководство по использованию советов, как максимально эффективно использовать CodeGraph с вашим AI-ассистентом.

Предпочитаете команды shell? Запустить codegraph agent context "your question". Те же четыре агентные инструменты доступны через CLI, с проектно-локальными крючками Claude Code/Codex. codegraph init предлагает установку крючка и добавляет инструкции агента перед индексацией.

---

Проблема

ИИ-ассистенты по программированию мощны, но они работают вслепую.

CodeGraph (with updates)

Your codebase, understood.

[!TIP] Give your coding agents lasting project memory.

Meet CodeGraph Agent Memory, our sibling project that builds on CodeGraph with persistent memory for architectural decisions, findings, failed approaches, and reusable procedures. Enable memory retrieval to bring that knowledge into agent workflows alongside current code evidence across sessions.

Explore the agent memory guide →

CodeGraph transforms your entire codebase into a semantically searchable knowledge graph that AI agents can actually reason about—not just grep through.

Ready to get started? Jump to the Installation Guide for step-by-step setup instructions.

Already set up? See the Usage Guide for tips on getting the most out of CodeGraph with your AI assistant.

Prefer shell commands? Run codegraph agent context "your question". The same four agentic tools are available through the CLI, with project-local Claude Code/Codex hooks. codegraph init offers hook setup and adds agent instructions before indexing.

---

The Problem

AI coding assistants are powerful, but they’re flying blind. They see files one at a time, grep for patterns, and burn tokens trying to understand your architecture. Every conversation starts from zero.

What if your AI assistant already knew your codebase?

---

What CodeGraph Does Differently

1. Graph + Embeddings = True Understanding

Most semantic search tools create embeddings and call it a day. CodeGraph builds a real knowledge graph:

Your Code → Build Context → AST + FastML → LSP Resolution → Enrichment → Graph + Embeddings
              ↓               ↓              ↓              ↓              ↓         ↓
          Packages        Nodes/edges    Type-aware     API surface      Graph    Semantic
          Features        Fast patterns  linking        Module graph   traversal   search
          Targets         Spans          Definitions    Dataflow/Docs             (hybrid)

When you search, you don’t just get “similar code”—you get code with its relationships intact. The function that matches your query, plus what calls it, what it depends on, and where it fits in the architecture.

Indexing enrichment adds:

• Module nodes and module-level import/containment edges for cross-file navigation
• Rust-local dataflow edges (defines, uses, flows_to, returns, mutates) for impact analysis
• Document/spec nodes linked to backticked symbols in README.md, docs/**/*.md, and schema/**/*.surql
• Architecture signals (package cycles + optional boundary violations)

Indexing tiers (speed vs richness)